AudioSR 音频超分辨率快速指南把老录音拉回 48kHz【免费下载链接】versatile_audio_super_resolutionVersatile audio super resolution (any - 48kHz) with AudioSR.项目地址: https://gitcode.com/gh_mirrors/ve/versatile_audio_super_resolution手里有一堆高频全糊的老 MP3、播客录音想恢复到 48kHz 的高保真水平AudioSR 是一个开源的 AI 音频超分辨率工具把任意采样率的音频文件丢进去输出一份 48kHz 的版本音乐、人声、音效都能处理。30 秒跑起来 AudioSR ⚡在本地把 Gradio网页演示界面跑起来只需四行git clone https://gitcode.com/gh_mirrors/ve/versatile_audio_super_resolution cd versatile_audio_super_resolution pip install -r requirements.txt python app.pyapp.py会启动一个本地网页上传文件、选模型、点生成。习惯命令行的话依赖里已经装好了 CLI 工具直接可用audiosr -i example/music.wav输出自动保存在./output下的时间戳文件夹里文件名会追加_AudioSR_Processed_48K后缀。效果速览高频恢复了多少下面这张图是三类音频爵士乐、水滴声、语音处理前后的频谱对照左半部分是原始低频版本右半部分是重建出的 48kHz 结果高频区域明显被补满了。单独看 MP3 音质修复的例子。原始 MP3 的高频在压缩时就被截断频谱上半部分是空的经过 AudioSR 音频超分辨率处理后高频区域被重新填充工作原理一图看懂扩散模型音频增强原理下面这张图对比了MP3 直接处理和先低通预处理再处理两条路径的效果差异差异原因见后文踩坑速查一句话概括AudioSR 不是给音频打补丁而是用扩散模型一种先生成噪声、再学会把噪声一步步还原成数据的生成式模型从低质量音频里把高频信息重建出来。完整链路都在audiosr/pipeline.py中读入音频文件统一重采样到 48kHz提取对数梅尔频谱横轴时间、纵轴频率、颜色代表能量的热力图自动检测输入的截止频率先做低通预处理把高频缺失方式统一成模型训练时见过的低通形态对应audiosr/utils.py里的lowpass_filtering_prepare_inference扩散模型在频谱的潜表示压缩后的紧凑形式里补全高频区域还原成波形存为 48kHz WAV。这也回答了音频采样率提升方法的关键点它不是把波形简单插值到 48kHz而是先重建高频内容再以 48kHz 输出。basic 和 speech 模型怎么选 项目自带两个预训练权重用--model_name参数切换二选一即可模型适用场景一句话判断basic默认音乐、环境声、音效主体不是人声 → 选它speech播客、会议、语音备忘录主体是人声 → 选它拿不准就先跑一遍basic人声听起来发闷或有金属感再换speech重跑。踩坑速查3 个最常见的翻车症状 ⚠️症状原因解法MP3 输入后高频缺失、频谱有洞训练数据都是低通滤波造成的失真伪迹MP3 压缩的高频截断形态和它对不上当前版本已自动检测截止频率并先做低通预处理仍不理想就把-gs降到 2~3 再试几分钟的长音频直接爆显存整段文件一次性载入显存加--chunking按 15 秒一段切分处理段间 2 秒交叉淡化结果听感过度加工、细节飘引导强度偏高默认 3.5降到 2.5~3.0并固定--seed做前后对比另外底噪很重、混响很强的输入超出模型学过的失真实集建议先去噪再喂给 AudioSR效果更稳。AudioSR 参数速查表截图收藏参数默认值作用说明-i必填单个输入音频文件-il—输入文件列表每行一个路径-s./output输出保存路径--model_namebasic选basic或speech-dauto计算设备有 CUDA 自动用 GPU--ddim_steps50采样步数越大越慢、细节越细-gs3.5引导强度越大越贴近原声、自由度越小--seed42随机种子固定它可复现结果--suffix_AudioSR_Processed_48K输出文件名后缀--chunking关长音频分段处理省显存--chunk_duration15每段时长秒--overlap_duration2相邻段重叠秒交叉淡化避免接缝质量与速度的取舍日常用--ddim_steps 50 -gs 3.0足够要更好听可以试--ddim_steps 100赶时间降到 30。批量处理与长音频自动化import subprocess # 待处理的音频文件列表 files [example/music.wav, example/speech.wav] # 写成列表文件每行一个路径 with open(batch.lst, w) as f: f.write(\n.join(files)) # 批量推理长音频记得加 --chunking subprocess.run([audiosr, -il, batch.lst, --model_name, basic, -gs, 3.0, --chunking])一条命令跑完整个列表结果统一落在./output的时间戳目录里。一句话收尾AudioSR 是把任意音频拉回 48kHz 的免费开源工具现在就挑一段老 MP3 试试audiosr -i old.mp3【免费下载链接】versatile_audio_super_resolutionVersatile audio super resolution (any - 48kHz) with AudioSR.项目地址: https://gitcode.com/gh_mirrors/ve/versatile_audio_super_resolution创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考